细分行业用电的CPI预测方法
针对目前预测居民消费价格指数(CPI)所依赖的数据源单一,并且大多与CPI无本质关联的问题,提出了基于细分行业用电数据预测CPI的方法.该方法认为电力数据在一定程度上体现了社会生产的状况,因此利用电力数据预测CPI理论上能够提升模型预测精度.首先对所使用的时间序列数据进行了平稳性调整,将非平稳数据调整为平稳的数据.然后采用Pearson时延系数、带时延的KL-Divergence对不同行业用电数据对CPI的影响是否存在不同时延进行判断,其次用赤池信息量对不同行业时延进行最终选择.最后利用岭回归模型构建CPI预测模型,即利用计算而得的不同行业的最优延时,并采用岭回归限制模型维度,预测了未来的CPI.用某省真实的细分行业用电数据和CPI数据对模型效果进行了验证,相比目前最好的自回归积分移动平均(ARIMA)模型,该模型预测误差率下降50.8%,模型稳定性提升62.3%.通过挖掘用电量数据与CPI之间更细粒度的关系,该方法成功提高了预测结果的精确度和稳定性,能够更好地预测CPI,也进一步说明了用电信息是预测经济指标的一个重要依据.
CPI预测、时序数据处理、细分行业用电、电力大数据、时延
38
TP274(自动化技术及设备)
国家电网公司总部科技项目JS71-16-005
2019-01-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
119-123,127